DFS_6:单词接龙

本文介绍了一种使用深度优先搜索(DFS)解决单词接龙问题的方法。通过输入一组单词及指定的起始字母,利用DFS搜索出以该字母开头的最长单词链。文章详细解析了算法实现过程,包括字符串比对与拼接技巧。

DFS_6:单词接龙

单词接龙是一个与我们经常玩的成语接龙相类似的游戏,现在我们已知一组单词,且给定一个开头的字母,要求出以这个字母开头的最长的“龙”(每个单词都最多在“龙”中出现两次),在两个单词相连时,其重合部分合为一部分,例如 beast 和 astonish,如果接成一条龙则变为 beastonish,另外相邻的两部分不能存在包含关系,例如 at 和 atide 间不能相连。

输入格式

输入的第一行为一个单独的整数 nn 表示单词数,以下 nn 行每行有一个单词,输入的最后一行为一个单个字符,表示“龙”开头的字母。你可以假定以此字母开头的“龙”一定存在。

输出格式

只需输出以此字母开头的最长的“龙”的长度。

5
at
touch
cheat
choose
tact
a
23

问题分析:

单词接龙为什么可以用DFS,其实说白了本质就是在一个起始点有多种选择,所以可以用DFS进行搜索,并且要记录每次的最大值,因为回溯去找的话会每次都有一个ans,所以要用Max来进行比较。除了用DFS模板之外,还要思考字符串的比较以及拼接问题。
比如每次都不一定是最后一个字母就可以拼接起来,根本不能确定到底多长的子串才能进行对应的匹配,所以用while循环进行匹配。还要用String类进行拼接。

import java.util.Scanner;
public class DFS_6 {
    static int ans = 0;
    static int N = 40;
    static int n;
    static String[] strings = new String[N];
    static int[] vis = new int[N];
    public static void main(String[] args) {
        //输入数据
        Scanner scanner = new Scanner(System.in);
        n = scanner.nextInt();
        for (int i = 1; i <= n; i++){
            strings[i] = scanner.next();
        }
        String target  = scanner.next();
        for (int i = 1; i <= n  ; i++) {
        //因为是指定开头的,所以要找到起始的那个子串,并且记录一下被用过一次
            if(target.charAt(0)==strings[i].charAt(0)){
                vis[i]++;
                dfs(strings[i],strings[i].length());
                vis[i]--;
            }
        }
        System.out.print(ans);
    }

    private static void dfs(String target,int length) {
        //出口
        //max的作用:因为dfs经过很多次的循环,ans要一直保持着最大值,即使换了路径,当更换路径的length少于ans时,永远都是ans大
        ans = Math.max(length,ans);
        //递归
        for (int i = 1; i <= n; i++) {
            int p = 1;
            int la = target.length();
            int lb = strings[i].length();
            while(p<Math.min(la,lb)){
                if(target.substring(la-p).equals(strings[i].substring(0,p))&&vis[i]<2){
                    vis[i]++;
                    dfs(strings[i],length+lb-p);
                    vis[i]--;
                }
                p++;
            }

        }
    }
}
内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值